研究显示 AI 编码智能体让代码更多但软件更少，评审时间平均增加 49%

这种差异的原因可以直接在代码审查流程中找到——在引入 AI 编码智能体之后，这一流程的平均耗时明显变长。总体而言，从一个拉取请求（pull request）被提交到被合并进代码库，其“审查流程”平均耗时在引入 AI 智能体后平均暴涨了 49%。研究人员写道，这一影响在更细粒度的数据中也能看到：在 AI 智能体转型之后，“被要求修改的拉取请求占比几乎翻倍，每个拉取请求的评论数量增加了 35%”。

研究人员发现，作为对这一变化的应对，在 AI 智能体引入后，执行代码审查的员工占比上升了 14%。他们还写道，在统计了 Jellyfish 全部在职员工总数并与 LinkedIn 上这些公司的数据进行交叉比对之后，他们“无法将显著的就业变化归因于 AI”。

在“智能体编码”时代，拉取请求需要修改的频率高得多。来源： Chen and Stratton

尽管理论上 AI 也能帮助这一审查流程，但研究人员发现，到目前为止，其影响微乎其微。尽管到 2026 年 3 月，80% 的受测公司已使用某种形式的 AI 代码审查，但 AI 智能体仅负责全部审查评论中的 23.3% 和全部拉取请求中的 10.8%，这表明人类仍然承担了这项工作的绝大部分。

当然，AI 智能体在编码领域仍是相对较新的事物，即使自这项研究的 2026 年 3 月数据截止以来，其产出也已经历了重大的更新与升级。虽然研究中 95% 的公司到这一时间点都已部署了 AI 编码智能体，但毫无疑问，许多公司仍在学习如何以及何时最好地部署它们的过程中。随着软件工程团队在“把 AI 智能体扔给特定编码问题”的利弊上积累更多经验，这类“编码时间与审查时间”的权衡可能会得到改善。

不过就目前而言，让 AI 编写你的代码看起来像一把双刃剑：编码速度的提升被人类代码审查时间和精力的类似增加所抵消。这样的结果不禁让人怀疑，为了让 AI 编码智能体运转起来而投入的巨大时间与成本，对大多数公司来说是否真的值得。